電力大數據是大數據理念、技術和方法在電力行業的實踐。電力大數據涉及到發電、輸電、變電、配電、用電、調度各環節，是跨單位、跨專業、跨業務數據分析與挖掘，以及數據可視化。

　　電力大數據由結構化數據和非結構化構成，隨著智能電網建設和物聯網的應用，非結構化數據呈現出快速增長的勢頭，其數量將大大超過結構化數據。電力大數據的特性滿足大數據的五個特性，一是數據量大（Volume）、二是處理速度快（Velocity）、三是數據類型多（Variety）、四是價值大（Value）、五是精確性高（Veracity）。

　　電力大數據主要來源于電力生產和電能使用的發電、輸電、變電、配電、用電和調度各個環節，可大致分為三類：一是電網運行和設備檢測或監測數據；二是電力企業營銷數據，如交易電價、售電量、用電客戶等方面數據；三是電力企業管理數據。通過使用智能電表等智能終端設備可采集整個電力系統的運行數據，再對采集的電力大數據進行系統的處理和分析，從而實現對電網的實時監控；進一步地，結合大數據分析與電力系統模型，可以對電網運行進行診斷、優化和預測，為電網安全、可靠、經濟、高效地運行提供保障。

　　云計算、大數據分析等信息新技術必將激活電力大數據中蘊含的價值，也必將釋放電力大數據的市場潛力。根據GTMResearch的研究分析，到2020年，全世界電力大數據管理系統市場將達到38億美元的規模，電力大數據的采集、管理、分析與服務行業將迎來前所未有的發展機遇。

　　大數據和互聯網的關系

　　隨著博客、社交網絡、以及云計算、物聯網等技術的興起，互聯網上數據信息正以前所未有的速度增長和累積。互聯網用戶的互動，企業和政府的信息發布，物聯網傳感器感應的實時信息每時每刻都在產生大量的結構化和非結構化數據，這些數據分散在整個互聯網網絡體系內，體量極其巨大。這些數據中蘊含了對經濟，科技，教育等等領域非常寶貴的信息。這就是互聯網大數據興起的根源和背景。

　　與此同時，深度學習為代表的機器學習算法在互聯網領域的廣泛使用，使得互聯網大數據開始與人工智能進行更為深入的結合，這其中就包括在大數據和人工智能領域領先的世界級公司，如百度，谷歌，微軟等。2011年谷歌開始將“深度學習”運用在自己的大數據處理上，互聯網大數據與人工智能的結合為互聯網大腦的智慧和意識產生奠定了基礎。

　　大數據助力電網信息化

　　智能電網建設離不開電網工程建設的信息化，而在電網工程建設的信息化中，洛斯達具有行業領先優勢。

　　“經過多年積累，洛斯達在對電網工程的信息化成果總結完善和深化應用過程中，逐步構建了以特高壓工程為核心的電網工程大數據平臺。”閻平介紹說，“通過積累工程過程中產生的各類大數據，建設了大數據平臺，服務于電網工程全生命周期，為工程咨詢評審、設計、施工、運行等工作提供信息服務。”

　　據了解，在電網規劃工作中，洛斯達可以提供涵蓋經濟、社會、環境、技術等方面的數據作為支撐。在多個電網工程的前期專題研究與可研評審中提供了大量能源資源、電力資源、前期專題、歷史工程等十多大類、幾十小類的規劃大數據，實現對工程各階段咨詢評審業務的有效支撐。

　　在設計階段，可提供天、空、地一體化的全三維數字化作業方式，實現各專業協同工作，極大降低實地勘測工作量，有效縮短工期，大幅提升設計院工作效率和質量。

　　在施工過程中，能夠進行施工全程監控，更加有效地控制施工質量、安全及進度，實時掌控施工現場情況。在電網運營過程中，能融合電網資源、公共資源以及電網規劃、前期、設計、施工、運檢、調度、營銷等企業核心業務數據，全面真實再現實體大電網及其運營態勢，通過數據挖掘與價值提取，推動“一次數據”向“二次數據”轉化，實現數據增值，支撐電網管理層科學決策。

　　當今世界新一輪科技和創業革命正在蓬勃興起，數據是基礎性資源，也是重要的生產力，大數據與云計算、互聯網等新技術相結合，正迅速并日益深刻地改變人們的生產生活方式，從某種程度上說，誰擁有了大數據誰就擁有了未來。洛斯達公司將繼續利用大數據技術構建“能源大數據中心”和“工程大數據中心”兩個核心平臺，為建設能源智庫提供信息支撐。

　　大數據和工業4.0相依相存

　　大數據產業的逐漸成熟，使其成為工業4.0的標配技術之一。在制造業領域，很多機器都安裝了一個或或多個微處理器采集生產數據。這些無處不在的傳感器和微處理器，形成了極為龐大的數據來源，常規的數據庫技術己難以完成捕捉、存儲、管理和分析這種大規模的數據集合。而利用大數據技術，則能清晰而有邏輯地對這些數據進行有目的的分析。其給制造業帶來的益處包括優化生產與管理流程、降低成本、提高運營效率、實現精準營銷等等。大數據技術可以幫助制造業企業掌握并預測以客戶為中心的市場狀況和變化趨勢，并根據數據洞察形成最佳的行動方案和建議。

　　事實上，對制造業企業而言，大數據技術的戰略意義不僅在于掌握龐大的數據信息，更在于對數據的“加工能力”——對大量的數據進行專業化的處理，使之轉化成為對企業有用的信息。制造業企業如果能夠在工業環境中建立起大數據平臺，提高工廠對不同設備收集的海量信息進行梳理的能力，提高企業信息系統的計算能力和數據消化能力，實現對企業的產品數據、運營數據、銷售數據、客戶數據的實時而有針對性的分析，并用其指導下一輪的研發、生產、銷售和服務。這將會使得企業能夠在低成本運營的同時，有效實現按需生產，從而在實現綠色生產的同時，提高企業的經營效率。——這是真正的可持續發展。

　　電力大數據的三種商業應用模式

　　對接智能電網優化需求響應

　　也就是通過將能源生產、消費數據與內部智能設備、客戶信息、電力運行等數據結合，充分挖掘客戶行為特征，提高能源需求預測準確性，發現電力消費規律，提升企業運營效率效益。

　　對于電網企業來說，這個模式能夠提高企業經營決策中所需數據的廣度與深度，增強對企業經營發展趨勢的洞察力和前瞻性，有效支撐決策管理。

　　能源數據綜合服務平臺

　　該模式通過建設一個分析與應用平臺，集成能源供給、消費、相關技術的各類數據，為包括政府、企業、學校、居民等不同類型參與方提供大數據分析和信息服務。該模式中，電網企業具有資金、技術、數據資源等方面優勢，具備成為綜合服務平臺提供方的條件。

　　支撐智能化節能產品研發

　　該模式主要將能源大數據、信息通訊與工業制造技術結合，通過對能源供給、消費、移動終端等不同數據源的數據進行綜合分析，設計開發出節能環保產品，為用戶提供付費低、能效高的能源使用與生活方式。

　　以智能家居產品為例，該模式既可為居民用戶提供節能降費服務以及快捷便利的用戶體驗，也可對能源企業尤其是電力企業改善用戶側需求管理、減少發電裝機等方面發揮作用。正在美國走向普及的智能電表也是一例，它具有電量結算功能，在整個電網范圍內標識售電商和用戶，可通過更換芯片更換售電商。該模式中，電網企業不一定具備產品研發優勢，但可利用電力數據采集與分析方面的優勢，既可通過與設備制造商合作改進用戶需求側管理，也可通過共同參與研發并在產品銷售中獲取收益。

　　什么是智能電網大數據

　　中國電科院認為，智能電網是以物理電網為基礎，將現代先進的傳感測量技術、通訊技術、信息技術、計算機技術和控制技術與物理電網高度集成而形成的新型電網。它涵蓋發電、輸電、變電、配電、用電和調度等各個環節，對電力市場中各利益方的需求和功能進行協調。

　　隨著智能電網的快速發展，智能電表的大規模部署和傳感監測技術的廣泛應用，電力工業產生了大量結構多樣、來源復雜的數據，根據數據來源的不同，可以將智能電網大數據分為電網內部數據和電網外部數據。這些數據之間并非彼此孤立，而是相互關聯、相互影響，存在著比較復雜的關系。大數據是實現智能電網“智能化”的重要工具。

　　智能電網大數據帶來的挑戰：如何利用如此眾多且復雜的數據？如何面對缺失和無效的數據？如何將數據整合集成進入大數據平臺？如何將數據成果轉換為業務應用？

　　智能電網大數據帶來的機遇：轉變視角，以大數據的視角，重新對數據的進行認知；建立機制，有機會重新設計數據產生和利用的流程；搭建平臺，固化數據生產、加工、利用的流程；創新應用，用新的服務模式轉變原有的應用體系。

　　配電網可靠性關鍵因素分析

　　特殊時期配電負荷風險預警

　　用電量趨勢分析預測

  　電力地圖

　　電力大數據技術包括哪些？

　　電力大數據技術滿足電力數據飛速增長，滿足各專業工作需要，滿足提高電力工業發展需要，服務經濟發展需要。電力大數據技術包括：高性能計算、數據挖掘、統計分析、數據可視化等。

　　1）高性能計算

　　通過Hadoop分布式計算技術采用MAP-REDUCE模型建立分布式計算集群或者YonghongZ-Suite等高性能工具，對電力大數據進行分布式計算和處理。

　　2）數據挖掘技術

　　數據挖掘技術是通過分析大量數據，從大量數據中尋找其規律的技術，主要有數據準備、規律尋找和規律表示3個步驟。數據準備是從相關的數據源中選取所需的數據并整合成用于數據挖掘的數據集；規律尋找是用某種方法將數據集所含的規律找出來；規律表示是盡可能以用戶可理解的方式（如可視化）將找出的規律表示出來。

　　數據挖掘的任務有關聯分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等等。

　　3）統計分析

　　統計分析，常指對收集到的有關數據資料進行整理歸類并進行解釋的過程。統計分析可分為描述統計和推斷統計。

　　1、描述統計

　　描述統計是將研究中所得的數據加以整理、歸類、簡化或繪制成圖表，以此描述和歸納數據的特征及變量之間的關系的一種最基本的統計方法。描述統計主要涉及數據的集中趨勢、離散程度和相關強度，最常用的指標有平均數、標準差、相關系數等。

　　2、推斷統計

　　推斷統計指用概率形式來決斷數據之間是否存在某種關系及用樣本統計值來推測總體特征的一種重要的統計方法。推斷統計包括總體參數估計和假設檢驗，最常用的方法有Z檢驗、T檢驗、卡方檢驗等

　　4）數據可視化技術

　　數據可視化數據可視化主要旨在借助于圖形化手段，清晰有效地傳達與溝通信息，便于相關者對數據的理解和認識。數據可視化與信息圖形、信息可視化、科學可視化以及統計圖形密切相關。

　　總結一下，從未來看，智能電網的實現的確需要大數據做支撐，但在我國電網環境下，這將還是一個漫長的過程。當前說大數據，更多是噱頭，吸引眼球和忽悠項目罷了。大部分省級公司的數據更多應該還是結構化運營數據，頂多T級了。